Rasa课程、Rasa培训、Rasa面试系列之： Rasa 3.0 ML Pipeline
Rasa开源3.0将开始使用一个新的计算后台。从概念上讲，机器学习管道将类似于一个图，而不是一个组件序列。本文将解释这种改变会带来什么好处。尽管这是一个很大的概念上的改变，但是这些改变并不需要改变配置文件config.yml。
Rasa 3.x是如何演进到新架构的?
回到Rasa 0.x 版本，Rasa代码库的rasa_core和rasa_nlu部分位于不同的库中，然后在Rasa Open Source 1.0中，这两者合并到同一个库中，即我们现在所知的Rasa Open Source。然而，即使代码被合并到单个库中，代码本身仍然是独立的。最初这是很好的，因为在NLU的管道部分和核心模块的策略在训练期间有一个明确的分工。
\
\
NLU系统的训练完全独立于CORE系统中的策略，类似于一个由串行连接的组件组成的管道。来自NLU系统的预测会被输入到策略中，但在训练过程中，这两个系统是相互独立的。 这在Rasa开源2.2中随着端到端学习的引入而改变。
\
\
\
在端到端场景中，TED也能够使用NLU管道中的特征器来预测不完全符合意图的文本。这是我们推动对话式人工智能前进所需要的一个功能，所以你可能会想，把机器学习系统看作两个不同的NLU/CORE组件是否真的有意义。所以，让我们看看能否在训练过程中重组各组件及其关系。
\
\
不要将NLU流水线看成是一个串行的序列， 可以把它表示成一个树状的计算图，即DAG(有向无环图)，因为它里面没有循环，将NLU流水线表示为一个图时，能很好地与策略算法集成在一起。
\
图中的每个节点仍然可以像以前一样表示一个组件，但现在这些边表示一个依赖关系。例如，当您查看此图时，可以清楚地看到，DIET分类器不需要Tokeniser的标记，但它确实需要为每个标记生成的CountVectorizers中的数字特征。还可以清楚地看到，RegexEntityExtractor只需要标记就可以提取实体。
以这种方式考虑机器学习管道时，会得到一些好处。
- 这是更加可定制的。是否希望将计数向量特征发送到DIET，而不是发送到策略?从概念上讲，这个特性很容易考虑，因为已经有了一个图。
- 较易实现并行。例如，regex实体提取器不需要计数向量，所以当特征化发生时，regex实体提取器就可以开始进行推理了。
- DAG不再考虑一个组件是NLU组件还是Policy组件，而是允许更多地从“只是另一个组件”的角度考虑问题。我们希望根据到目前为止的对话和当前消息来预测实体，在2.x Rasa代码库将是一个巨大的任务，而在DAG设置中它将是一个简单的实验。
- 还有一个很大的好处是缓存。
\
\
\
Rasa官网链接： rasa.com/docs/rasa/
Gavin大咖课程信息分享：
NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑）
Rasa 3.x 源码高手之路：系统架构、内核算法、源码实现详解
Gavin大咖简介
星空智能对话机器人创始人、AI通用双线思考法作者，现工作于硅谷顶级的AI实验室。专精于Conversational AI. 在美国曾先后工作于硅谷最顶级的机器学习和人工智能实验室
Gavin大咖微信：NLP_Matrix_Space
联系电话：+1 650-603-1290
助教老师微信：Spark_AI_NLP
\
\
博客链接：blog.csdn.net/duan_zhihua
作者参与Gavin大咖主编出版Spark系列图书5本，清华大学出版社最新出版2本新书《Spark大数据商业实战三部曲：内核解密|商业案例|性能调优》第二版、《企业级AI技术内幕：深度学习框架开发+机器学习案例实战+Alluxio解密》，累计原创博客1475篇，涵盖大数据、人工智能、智能对话机器人等内容，博客阅读量达217万次。
\
Gavin大咖课程信息分享
课程名称：Rasa 3.x 源码高手之路：系统架构、内核算法、源码实现详解
\
课程介绍：
Rasa是Conversational AI在智能业务对话领域工程落地全球最为成功对话机器人系统，是基于Transformer架构的全球使用最广泛的智能业务对话机器人框架，是NLP技术的集大成者。在当今全球范围各项对比指标综合成绩中，Rasa均处于领先地位：
本课程致力于彻底解密Rasa 3.x系统架构、内核算法、知识图谱及源码实现：
\
具体来说，该系统课程是以下五大课程的合集：
- 业务对话机器人Rasa 3.x Internals内幕详解及Rasa框架定制实战
- 业务对话机器人Rasa核心算法DIET及TED论文详解及源码实现
- Rasa 3.x 语言理解内核Classifiers架构、算法及源码实现
- 基于Transformer的对话机器人Rasa Policies架构设计与源码全解
- Rasa业务对话机器人Microservices微服务架构内幕与源码全解
课程通过这五大阶段内容，按照循序渐进的学习方式，帮助学员彻底精通Rasa新一代内核架构、算法内幕及源码实现。
\
\
\
\
课程答疑：
课程提供配套的视频、代码及资料，购买后联系Gavin获得代码及辅助资料。
课程提供1年的技术答疑服务，Gavin老师负责所有课程技术问题的答疑及代码服务。
\
课程试听：
\
代理模式下的Rasa微服务Form共1288行源码架构设计及源码逐行解析
1，Action类型的FormAction和LoopAction类型的FormAction区别与联系分析
2，Rasa微服务接口interfaces.py共370行源码逐行解析
3，Rasa SDK中的forms.py共918行源文件逐行解析
\
\
课程详情：
阶段1：业务对话机器人Rasa 3.x Internals内幕详解及Rasa框架定制实战
以Rasa 3.x提出的全新一代Graph Computational Backend为核心，从Rasa版本迭代中的Milestones出发来完全解密“One Graph to Rule Them All”背后的技术衍化过程及根本原因，然后以GraphComponent为核心解密其架构内幕机制和运行流程，并抽丝剥茧的剖析自定义Rasa Open Source平台的接口实现、组件源码、组件注册及使用的每一个步骤，最后用一个完整的案例来做示例，并透过Rasa的核心TED Policy近2130行源码剖析及DIET近1825行源码剖析，让学习者不仅有定制Rasa框架能力，更有大量源码鉴赏的能力及高级的对话系统架构设计思维。
